- 博客(248)
- 资源 (339)
- 收藏
- 关注
RSS订阅原创 卫星图像数据集在农业领域的应用
报告指出，农业部门受到多种外部驱动因素的强烈影响，包括但不限于气候变化、人口结构（人口增长、城镇化和土地撂荒）、能源成本、对食品质量的新要求（食品质量和安全、人口老龄化和健康问题、伦理和文化变迁）、创新驱动因素（基于知识的生物经济、研究与开发、信息与通信、教育、投资）、政策（补贴、标准化和监管、国家农村发展战略）、经济与融资（经济和金融工具、伙伴关系、合作、一体化和自愿协议）、可持续性和环境问题（生态绩效评估、可持续农业发展）、公众舆论（媒体、国际组织、政界人士）。是小农户农业生产和管理的基础。
2025-07-27 16:24:33
1323
原创 使用GIS中基于森林的分类与回归模型来估算房屋价值
既然我们已经尝试了主要使用非空间因素的房屋销售价值估算方法，那么让我们来探索一下，随着引入基于距离的训练特征，模型会发生怎样的变化。更棒的是，能够以如此快速直观的方式将现有的额外 GIS 数据整合到模型的邻近性考量中，这非常有用。注意：基于森林的分类与回归的另一个重要方面是，候选解释因素中的多重共线性效应不会妨碍您创建有效的模型。基于森林的分类和回归扩展了强大的随机森林机器学习算法的实用性，它不仅能够考虑模型中的属性数据，还能考虑基于距离的训练特征和解释栅格，以便在分析中利用位置。
2025-07-27 16:22:24
1264
转载 空间邻近性分析仅仅是线性距离吗？
几乎所有与空间流动性、模式、交互和连通性相关的地理空间分析中，都充斥着空间邻近性的例子。空间分析中不可或缺的地理概念有很多，而空间邻近性是地理空间领域中最常用的概念之一。我们利用与某个位置（点、线或区域）相关的拓扑信息，通过空间邻近性分析来获取有价值的见解。邻近分析[空间分析]——一种分析类型，其中根据地理特征（点、线、多边形或栅格单元）与其他特征或单元的距离来选择它们。然而，正如我们将看到的，空间接近性并不一定意味着空间依赖性，尽管彼此接近的地理特征表现出相似性，因此具有空间依赖性。
2025-07-27 16:21:10
229
翻译 SQL 中的事实表和维度表：数据的基石和蓝图
我读的第一本关于 SQL 的书很老了，但当我读到讨论数据仓库、事实、维度以及许多其他技术细节的章节时，我措手不及，这些技术细节让我（说实话，不止一点点）陷入了绝望的深渊。SQL 表面上看起来很简单，但在底层，你可以用它做很多事情：在 ETL 流程中播放和建模数据，在数据仓库中整齐地组织数据，以及使用它为你的客户创建美观而重要的仪表板。在这里，企业从不同的来源（如销售、客户等）收集数据，清理和转换数据（这里是那个疯狂的小图书管理员做他们的工作的地方），并存储数据，以便您可以在需要时随时访问它。
2025-07-27 16:19:30
90
翻译 使用 Oracle 云上的容器进行可扩展的 ML 批量训练
它还具有将作业编排到管道中的功能，允许作业执行中的依赖关系，并与 OCI 日志服务集成，以便轻松监控长时间运行作业的运行状况。OCI 数据科学服务中的“作业”功能提供了一个强大且可扩展的环境，用于执行面向批处理的数据科学工作负载，而无需持久的计算资源。注意：由于我的笔记本电脑使用的是 ARM 架构，因此我在构建语句中添加了平台标签，以便它可以在 AMD 上运行，而 AMD 正是我计划用于工作的 OCI Compute Shape 的架构。例如，我可以看到我的隔离区中有哪些作业，如图 12 所示。
2025-07-27 16:17:32
65
原创 使用 Google Earth 的 DEM — 教程。
但如果我们想知道某个地点的高程数据，又没时间下载坐标系的 DEM，我们可以只使用 Google Earth、任何 GIS 软件以及免费的第三方数据格式转换工具（例如。该工具会将您的 GPX 文件（即来自 Google Earth 的 GPS 数据）转换为如下所示的点要素。虽然它在特定坐标的坡度精度方面并不可靠，但它仍然是一个不错的数据，可以用来快速判断某个区域的地形。在 ArcGIS 转换工具的“从 GPS”下，我们有一个 GPX 到要素的工具。如果我们检查这些点的属性表，我们可以看到以米为单位的高程列。
2025-07-26 22:58:56
1274
原创 从稀疏数据（CSV）创建非常大的 GeoTIFF（和 WMS）
为了解决这个问题，我创建了一个相当简单的 Python 程序，用零值填充所有缺失的坐标，这解决了问题，但也创建了一个非常庞大的 XYZ 文件（例如，仅对 3 个城市的数据进行小规模测试，就生成了一个 45GB 的文件，因此你可以想象整个美国的文件会有多大）。当然，你可以自动化整个过程（例如，我有一个shell脚本，它接收CSV文件并生成中间文件（XYZ、GeoTIFF），最终生成地图图块），但你的需求可能会有所不同，等等。上面的图片没问题，但是，根据你的需求，也许一个版本能使所有无数据区域都透明更有意义？
2025-07-26 22:57:57
1263
翻译 利用引力波探测器测量星际物体的重量
值得庆幸的是，引力无法被屏蔽，即使是这些隐形物体，如果它们的质量和速度足够大，且最近距离足够短，未来的引力波天文台也能探测到。中，我排除了 3I/ATLAS 是一颗直径为 20 公里量级的小行星的可能性（正如它的高亮度所暗示的那样），因为在 ATLAS 望远镜 5 年的观测期内探测到如此巨大的岩石。发现，如果太阳系遇到具有暗物质累积质量密度的暗星际物体，那么未来的引力波天文台（如 DECIGO）将为在 10 至 100,000 吨的质量窗口内探测它们提供良好的前景。我们能测量星际物体的质量吗？
2025-07-26 22:54:09
202
翻译 意义的软架构：语言对抗熵
表述一个想法，就是从众多路径中挑选一条，将模糊的叠加想法压缩成一个具体的陈述。通过选择一种解释并表达出来，语言将模糊的心理状态聚焦成一个清晰的结果，以便分享、测试和采取行动。符号推理提供了一种可控的方法来做到这一点：暂时接受“错误”或不切实际的想法，以探索新的途径。本文探讨了语言作为现实组织信息的一个基本方面，揭示了即使是最抽象的符号也受到基本物理定律的约束。我们可以描述想象的场景，或传递可能是虚假或抽象的信息。DNA中的遗传密码就是一个典型的例子：它是一个符号系统，承载着构建复杂生物体的指令。
2025-07-26 22:51:45
158
原创 训练数据集太小？你需要 SetFit
遗憾的是，我们每个类别只有大约 10 个样本（而类别数量大约在 200 多个），而且我们现有的传统 NLP 工具（TF-IDF、BERT、DistilBERT、RoBERTa、OpenAI/Llama 3）也收效甚微。在分类任务中，解决这个问题的懒惰方法是“用人工智能来解决”：采用现成的预先训练好的法学硕士 (LLM)，添加一个聪明的提示，然后一切就搞定了。相同的广泛语义空间 - 即它们都是热饮），但在我们需要构建细粒度分类器的背景下，它们并不是特别有用，可以识别这些类别之间的。
2025-07-25 14:22:39
1477
原创 商业智能中的主题建模：代码中的 FASTopic 和 BERTopic
热爱风味”、“优质成分”、“良好成分”、“健康成分”、“成分质量”、“风味好”、“味道好”、“健康热爱”、“非常健康”、“健康好”、“健康好”……“胃敏感”、“咬得太小”、“胃问题”、“减肥”、“拒绝进食”、“口味狂野”、“消化问题”、“胃部不适”、“停止进食”、“体重增加”“气味难闻”，“稀便”，“难闻的气体”，“腹泻兽医”，“严重腹泻”，“生病的一周”，“生病的买”，“白天呕吐”“开箱”，“撕袋”，“大袋”，“袋破”，“开袋”，“箱内”，“袋开”，“袋破”，“重袋”，“撕开”，。
2025-07-25 11:43:33
1093
翻译 ChatGPT Agent：告别 MCP
ChatGPT Agent 是真实存在的，并且已经运用了 MCP 提出的相同理念：持久上下文、任务间记忆、工具切换、操作流程。它还能打开网站、点击按钮、在需要时登录、运行代码、读取文件，并提供最终结果（例如电子表格或幻灯片），所有操作都一次性完成。它们共同构成一个系统，可以在工具、浏览器、终端或 API 之间切换，并端到端地执行完整的任务。然而，让人工智能控制现实世界的任务也存在风险。，这会有似曾相识的感觉——只是现在，它在您的浏览器中，而不是开发笔记本中。更多的修复正在进行中，但这个版本是可用的。
2025-07-25 11:36:55
143
翻译 为什么有些人学习技能比你快以及如何赶上
你会从经验丰富的作家那里听到一个常见的建议，那就是为了提高写作水平，要经常写些垃圾文章。把一个模糊的想法转化成连贯的句子，即使是一个不完美的句子，也需要练习。把一个模糊的想法转化成连贯的句子，即使是一个不完美的句子，也需要练习。你会问更具体的问题。但随着时间的推移，那些有条理的笔记和模式不再是你刻意寻找的东西，而是逐渐成为你的第二天性。他们的决策源于本能，但这种本能是经过多年的尝试、错误和改进而形成的。一个智力平平但有强烈好奇心、每天都自律的人，会比一个只在想露面时才出现的、比他聪明十倍的人成长得更快。
2025-07-25 11:31:09
112
原创 利用 GIS 工具进行河流流域建模：以 Svärtaån（瑞典）为例
同样，如果定义的阈值高于应有值，则会得到密度较低的排水网络和/或包含多个子流域的集水区。虽然相同的结果数据中存在不必要的河流线，但河流可能在应有的位置显示不出来。我从瑞典地图与地籍管理局（Lantmäteriet）获取了覆盖研究区域的 2 米分辨率数字高程模型，但由于它会占用我 Google Drive 帐户的太多空间，我无法分享。此外，为了能够比较结果，我从 SMHI（瑞典气象水文研究所）获得了矢量数据，显示了研究区域的盆地边界、湖泊等水体和排水网络。此功能计算每个像元的流量累积区域中的像元数。
2025-07-24 15:51:08
708
翻译 从 Google Earth Engine (GEE) 提取卫星图像
Google Earth Engine (GEE) 是一个功能强大的平台，可用于访问和分析地理空间数据。在本文中，我将逐步指导您如何从 GEE 中提取卫星图像，用于学术或非商业用途。处理时间序列图像（例如 Sentinel-2 或 Landsat）时，，让我们来了解如何查找和筛选您感兴趣的区域 (AOI) 的卫星图像。首先，您需要为研究区域创建一个边界层。但是，如果您要查看时间细节、时间序列图像，则可以使用。：您需要一个谷歌帐户，如果您没有，您可以。步骤 1：定义您的兴趣区域 (AOI)
2025-07-24 15:47:42
523
原创 利用遥感和 Python 追踪休斯顿的绿化覆盖率（基于卫星 NDVI）
具体来说，就是用 Sentinel-2 2A 级影像，将第 8 波段减去第 4 波段，再除以它们的和。你所看到的是休斯顿的绿意盎然，以及这片绿意栖息的土地。Sentinel-2 非常棒，因为它可以免费获得 10 米分辨率的数据，并且每 5 天提供一次覆盖全球的数据。得益于欧洲航天局的哨兵二号卫星和免费提供的哥白尼数据，我们现在可以逐像素地追踪城市绿化覆盖的细微变化。因此，这类遥感技术的入门门槛很低。在休斯顿这样的地方，开发向外延伸到低密度绿地区域，它是一种追踪我们经常忽略的东西的工具：我们建造的东西。
2025-07-24 15:44:52
524
翻译 连接世界：将 Google 地球引擎带给桌面 GIS 用户！
这些连接器简化了工作流程，减少了对大量编码知识的需求，并最终使组织能够在其现有的桌面 GIS 平台中充分利用 Earth Engine 庞大的地理空间数据目录和云计算功能的综合优势。该插件经过了显著扩展，新增了一些无需编码的功能，将 Earth Engine 的大数据目录和强大的云计算功能无缝地集成到 QGIS 中，从而增强了其在 QGIS 环境中的分析能力。构建了该工具箱，旨在将 Earth Engine 的海量数据目录和强大的云计算功能无缝集成到您熟悉的 ArcGIS Pro 环境中。
2025-07-24 15:40:25
224
翻译 一种寻找其他恒星附近生命的新直接方法
星际物体通常以很高的速度运动，超过脱离太阳的速度——在地日分离时，脱离太阳的速度为每秒42.2公里。然而，如果我们有幸遇到一个近地星际物体，它以每秒29.8公里的速度沿着地球绕太阳运动的方向接近地球，它相对于地球的速度可以小到每秒12.4公里，与太空任务通常达到的脱离地球的速度（每秒11.2公里）相近。然而，如果我们有幸遇到一个近地星际物体，它以每秒29.8公里的速度沿着地球绕太阳运动的方向接近地球，那么它相对于地球的速度可以低至每秒12.4公里，与脱离地球的速度相似。这些考虑促使我做了一个简单的计算。
2025-07-23 10:37:21
336
原创 量化城市扩张：将 Moran I 技术应用于 CORINE 土地覆盖数据
尽管两张地图上城市地区和非城市地区地图均呈现出聚集性，但我们可以说 2018 年地图上的聚集性更强。因此，我们希望将标记为 1 的城市区域显示为 1，将其余类别 2、3、4 和 5 显示为 0。此外，我们想确定有多少平方公里的面积在 1990 年不是城镇地区，但在 2018 年是城镇地区。在该地图中，从绿地转变为人工表面的像素显示为绿色，从农业区转变为人工表面的像素显示为黄色。如果我们想在不同的图层上显示 1990 年不是城市区域但在 2018 年变成城市区域的像素，我们可以使用“栅格计算器”工具。
2025-07-23 10:35:45
963
翻译 让我们解决雅加达的交通问题
例如，如果您站在一条距离站点 600 米的繁忙高速公路上，那么严格来说，您就处于“未覆盖”状态。因此，虽然我可能略微夸大了未覆盖区域的范围，但事实可能并不太离谱。是的，理论上，一个人可以通过抄近路、跳过栅栏、穿过建筑物或其他我们无法预测的策略来减少步行距离（当然，我们绝不会建议人们这样做来缩短步行距离）。如果以250米为标准，那么未覆盖的区域将大幅增加，需要的投资也会更高。总统佐科·维多多认识到了这一点，并发布了一项行政命令，要求更加集中精力改善公共交通，作为解决城市交通问题的长期解决方案。
2025-07-23 10:33:48
233
原创 卡尔曼滤波器：从概念到应用
—这是一种强大的算法，能够帮助我们在不确定的环境中做出更准确的预测。在这篇博客中，我将向您展示卡尔曼滤波器解决的问题、它们如何直观地工作以及它们的应用场景——所有这些都不会让您陷入深奥的数学知识中。传感器提供的数据并不完美，环境是动态的，物体的运动也并非总是按照预期进行。我们用清晰的图表将每个步骤可视化——从初始状态，到测量更新，再到整个周期——使数学变得易于理解，而无需深入研究方程式。它帮助我预测系统的下一个状态（如位置或速度），测量它，用新数据纠正预测，并重复该过程 - 一步一步变得更加准确。
2025-07-23 10:31:43
1098
翻译 避开隔壁的污水处理厂：Python + OSM 工作流程
例如，假设你找到了一个完美的地点，但当你去实地考察时，却发现后面有一条嘈杂的火车线路，而且隔壁还有一座污水处理厂。3. 将道路、铁路和建筑物的 Shapefile 加载到 Geopandas 数据框中，将其裁剪到一个小的边界框中，然后绘制出来。您需要为这些门店找到理想的地点，并且需要在不查看全国各个城市地图的情况下，精简选项。该字典的键是源几何体（建筑物）的索引，值是目标几何体（铁路段）的索引。”，并且有很多工具可以帮助您在客户居住或工作的社区中找到具有正确分区的地点，而不会离您的竞争对手太近或太远。
2025-07-22 23:15:51
78
翻译 如何用 Python 从头构建公共交通可达性地图
因此，我们不需要尝试每一对，而是预先定义我们感兴趣的站点列表。聚合平台本身并不创建信息，而是以便捷的格式（通常通过 API）存储和传输信息。在 GitHub 上，你可以轻松找到几十个处理 GTFS 文件的笔记本——不用自己去发明。要计算两个区域之间的平均通勤时间，不需要所有这些文件——我相信您可以猜出需要哪些文件。每个文件都代表特定时刻交通系统的快照——车辆位置、更新后的时刻表和警报。，根据交通系统的动态变化，更新间隔从 1 分钟到 1 年不等。根据起始站的选择，一个区域的行程时间范围为。
2025-07-22 23:14:04
197
原创 您需要了解的有关 GIS 中基于位置和基于属性的查询的所有信息
现在，我们将在水体周围创建一个 200 米的缓冲区，并假设与这些 200 米缓冲区相交的住宅区存在洪水风险。基于位置的查询是一种操作，允许我们根据一个图层中的要素与另一个图层中的要素的空间关系来选择它们。QGIS 中的两种基本查询类型是基于位置（空间）的查询和基于属性的查询。在最后一个示例中，我们假设交通规划人员需要评估道路网络的质量和可达性，以确定需要改进和优先维护的区域。对于第一个查询，我们选择“highway”作为键，选择“primary”、“secondary”和“trunk”作为值。
2025-07-22 23:12:39
1030
原创 使用空间数据训练机器学习模型的实用工作流程
此步骤内置了版本控制功能，通过跟踪数据集版本、特征选择和模型参数，确保我可以准确追溯每次实验中使用的参数。遵循系统化的工作流程——从数据创建和准备到实验自动化——可以更轻松地处理偏差和不平衡的数据，并取得有意义的进展。每个数据集版本都经过标记并以结构良好的方式保存（例如，v1.0、v2.1），因此可以轻松地在未来的实验中重现相同的环境。在此阶段，目标是生成具有不同配置的数据集，以确保后续的训练和测试的稳健性。：我为每个训练数据集版本创建散点图，将数据点在地图上可视化，以评估它们的空间分布。
2025-07-22 23:08:57
808
翻译 PCA vs t-SNE vs UMAP：可视化数据中的不可见部分
想象一下，试图通过微型望远镜探索星系——这就是机器学习模型处理原始高维数据时的感受。，其中的轴（主成分）使方差最大化。这就像旋转数据集，使其与能够捕捉最大扩散的方向对齐。💡 是的，我们将用一份备忘单、比较视觉效果和精心挑选的资源来加深您的理解。“降维就像给机器装上眼睛——它最终看到的是森林，而不仅仅是树木。它就像 t-SNE 的更智能、更快速的“表亲”。t-SNE 将高维数据映射到二维或三维空间，保留。为更简单的形式，帮助人类和机器发现隐藏的模式。2. t-SNE（t分布随机邻域嵌入）
2025-07-21 16:03:00
343
翻译 Matplotlib 替代品，真正节省你的时间
它基本上是 Matlab 库的复制品——因为，你知道，那是 20 年前最热门的东西。但是，嘿，它仍然有老用户。当然，只要你愿意努力，Matplotlib 可以做任何事情。然而，许多人认为这个“可视化的鼻祖”将他们和他们的数据困在了晦涩难懂的语法和一堆难以理解的文档之后。无论如何，如果你想创建一个基本的图表，Matplotlib 可以帮你搞定。构建气泡图来评估不同房地产市场的投资回报，使用“天蓝色”表示住宅，“深绿色”表示商业，“灰色”表示工业地产。是一款实用的库，只需极少的配置即可绘制高度交互的图表。
2025-07-21 16:01:28
210
原创 利用 GIS 和机器学习构建日本智能洪水地图
这是有道理的，因为当洪水发生时，水会顺着重力向下流动，因此地势较低的地区自然更容易被淹没，而 HAND 值较低的地区更靠近排水网络，当这些水渠溢出时更容易被淹没。为了构建日本智能洪水灾害地图，我们首先需要构建一个模型，该模型可以迭代日本的水文地图，并对表明洪水风险高的特征分配风险评分。当前实施的一个关键问题是，用于评估洪水风险区的权重（启发式方法）是任意的，并没有根据日本的洪水历史进行微调。虽然数据集准确地表示了每个风险变量对洪水区域的重要性，但更准确的洪水风险模型将使用整个日本历史洪水的数据集。
2025-07-21 15:37:50
884
翻译 图神经网络的可解释性：节点、特征和注意力的探索性研究
随着训练的继续，模型会改进其聚合策略，为信息量更大的邻居节点分配更高的权重，这与性能提升和损失的第二次下降相吻合。我们可以看到，GCN 和 MLP 都实现了类似的损失，但 MLP 的特征叠加性再次低于 GCN，这再次表明 GCN 的节点信号混合可能会以较低的可解释性为代价。人与人之间的关系，例如社交网络、电网或我们在城市中行驶的物理道路网络之间的关系，就是其中的几个例子。在 GCN 的背景下，10 个节点的图仍然很小，而小图对初始化可能非常敏感，因此考虑不同初始化之间的统计差异是合理的。
2025-07-20 15:50:47
252
翻译 InSAR.dev PyGMTSAR (Python InSAR)：基于 UTM 坐标的突发处理
关于未来的发展，我没有更多时间继续最近的功能工作，因为这是我的业余爱好项目，我会在空闲时间做。你可以使用 NASA 的软件，他们类似但搞砸了的 Opera 项目（单次突发需要 300MB，而我上面的例子中只有 60MB，硬编码的 UTM 投影，仅覆盖美国等）和不准确且耗费资源的 ISCE 软件（无法生成高质量的干涉图和相关性或执行任何分析）或 ESA 的资源消耗极大的 SNAP（单次干涉图计算需要 64GB RAM，而我的示例中只有 1-2GB，并且没有任何分析干涉图的能力）。
2025-07-20 15:49:01
133
原创 如何在 QGIS 中定义/更改坐标系？
如果数据没有定义坐标系，页面顶部会显示“未定义坐标系”的警告。您可以忽略该警告，并定义要处理的坐标系。您可以在项目页面的右下角看到坐标系信息。运行该工具时，将创建一个具有定义坐标系的新图层并出现在图层面板上；图 5：您可以在此窗口中选择目标 CRS 并运行该工具。图 6：现在可以在图层面板上看到新图层，并可用于分析。图 2：您可以在此窗口中搜索并选择您要查找的内容。图 4：您可以在此窗口中看到分配的坐标参考系。图 3：这是我的数据在地图上的样子。可以在此窗口中更改数据的坐标系。
2025-07-20 15:47:37
1467
原创 游戏和地理空间应用中的空间索引
BVH 背后的原理很简单：它不是对空间本身进行划分，而是通过将邻近的对象分组到边界体积（通常是轴对齐边界框 (AABB)）中来组织对象，并构建一个二叉树，其中每个节点都封装了其子节点的边界。如果司机的 GeoHash 开头的字符与客户的 GeoHash 开头的字符相同，那么他们很可能就在附近，因此您只需检查这个较小的群体，而无需检查系统中的所有司机。插入点时，算法会在树的每一层选择一个坐标轴（例如，先 X，然后 Y，然后 Z，依此类推），并比较沿该轴的值。值较小的点进入左子树，值较大或相等的点进入右子树。
2025-07-20 15:45:40
1150
翻译 2025 年城市热岛效应指数预测
此外，对于建筑物密度，我们汇总了预定义网格单元（多边形的镶嵌网格）内建筑物点的数量。我们开发了一套全面的机器学习流程，从空间、光谱和气象数据集的预处理开始。广泛的特征工程帮助我们从原始数据中提取出有意义的洞察，最终识别出最重要的特征。的空间分布进行了可视化，以评估模型的准确性。NDBI 值越高，通常代表城市化区域具有不透水表面，这些区域吸收的热量越多，从而加剧城市热岛效应。由于数据中存在复杂的非线性模式，基于树的模型表现优于线性模型。，我们识别与 UHI 指数具有密切关系的特征，并删除不相关的变量。
2025-07-19 22:41:59
504
1
翻译 Apache Superset 上的空间分析
将此 CSV 上传到任何关系数据库并将其连接到 Superset。构建等值线图时，我们可以选择此多边形顶点列。我们不必将数据存储在 PostGIS 这样的空间数据库中即可在 Superset 上进行空间分析。下面是一小段代码，用于将多边形层（GeoJSON）转换为 CSV，其中包含包含多边形顶点的文本列。[[lon1, lat1], [lon2, lat2]…地图的视口也可以修改。可以更改俯仰角和方位角，以呈现 3D 视角。所有这些都不需要对您的数据库进行空间扩展！屏幕网格上叠加的散点图。
2025-07-19 22:40:44
89
原创 使用 PlanetScope 卫星图像绘制水质参数：以莫干湖为例
通常，清水在绿色波段的反射率高于红色波段。我查阅的研究中指出，使用无降水时期的卫星图像对于水质测定的准确性至关重要。考虑到这一点，我检查了夏季月份的图像，并下载了2023年6月25日的无云卫星图像。使用焦点统计工具，我们根据每个像素的相邻像素组成的 3x3 矩形，将这些像素中的大部分像素的值分配给主像素。NDWI 用于自动检测代表水面的像素，使用绿光和近红外波段。叶绿素a水平的估算是利用NDCI指数以及红光和近红外波段进行的。我们希望提取用于计算与水质检测相关的指数的波段，并在“栅格计算器”中使用它们。
2025-07-19 22:38:14
968
原创 GeoPandas 城市规划：Python 空间数据初学者指南
理解并正确应用 CRS 转换对于从空间数据中获取有意义的定量洞察至关重要，无论您是在计算拟建绿地的面积，还是计算新开发项目占用的总土地面积。例如，您可以筛选全市地块数据集，使其仅显示商业用地地块，或者仅选择特定区域内的洪水区域来评估风险。对于城市规划人员来说，在卫星图像上展示拟议的开发项目或在街道地图上展示现有的基础设施，可以使演示文稿更具影响力。直接在地理坐标参考系 (CRS) 中计算面积（例如常见的 EPSG:4326，使用经纬度）会以平方度为单位，这并非现实世界面积的有效测量单位。
2025-07-19 22:35:23
1456
翻译 地理空间分析中的人工智能——它如何改变行业
您正在使用哪些工具——Google Earth Engine、TensorFlow 还是 OpenAI 的地理空间模型？欢迎在评论区留言讨论！——深度学习模型，可分析卫星图像、识别土地利用变化并生成实时洞察。——人工智能算法只需几分钟（而非数周）即可分析海量数据集。——基于规则的模型和早期机器学习算法。，检测隐藏的模式，并做出曾经不可能实现的预测。——深度学习模型可以检测土地覆盖的细微变化。——机器学习可以预测洪水、野火和城市发展。——人为驱动、手动制图和数据分类。🔹 AI 驱动的图像分类——伪代码。
2025-07-18 11:13:24
456
翻译 使用 LLM 通过 Google Earth Engine 对遥感数据进行 Web 可视化
因此，提供一个直观的界面，让用户能够通过自然语言聊天轻松请求卫星可视化，可以极大地提升可访问性和易用性。该应用程序使用 GPT 提取的结构化参数，查询 Google Earth Engine 以检索与用户指定位置和时间范围相关的 Sentinel 卫星图像和相关的 Dynamic World 土地利用分类数据。检索到的卫星图像和分类地图通过预定义的 Python 函数进行可视化，并在 OpenStreetMap (OSM) 上以交互方式显示结果，使用户能够无缝地探索空间和时间方面。LLM申请的工作流程。
2025-07-18 11:12:10
248
原创 为 Matplotlib 图表创建自己的风格
您可以在结果图表中看到每个参数的更改效果——这些参数的含义相当清晰，但注释会准确地告诉您它们的作用。比如，看看BBC或《纽约时报》发布的金融数据，或者Nate Silver的FiveThirtyEight网站上的民意调查数据。首先，使用我们可用的内置样式，然后研究如何创建自己的自定义样式。当然，这里的例子是故意简单的，但您可以通过查看源代码来探索内置样式中参数的使用方式。而且您不必指定所有的 rcParams，只需指定您想要更改的那些。，正如您可能想到的那样，颜色设置为黑色、白色和不同深浅的灰色。
2025-07-18 11:10:36
621
最新安徽省地质灾害点SHP矢量数据下载
2025-10-30
最新福建省地质灾害点SHP矢量数据下载
2025-10-30
最新甘肃省地质灾害点SHP矢量数据下载
2025-10-30
最新广东省地质灾害点SHP矢量数据下载
2025-10-30
最新广西省地质灾害点SHP矢量数据下载
2025-10-30
最新贵州省地质灾害点SHP矢量数据下载
2025-10-30
最新海南省地质灾害点SHP矢量数据下载
2025-10-30
最新河北省地质灾害点SHP矢量数据下载
2025-10-30
最新河南省地质灾害点SHP矢量数据下载
2025-10-30
最新黑龙江省地质灾害点SHP矢量数据下载
2025-10-30
最新湖北省地质灾害点SHP矢量数据下载
2025-10-30
最新湖南省地质灾害点SHP矢量数据下载
2025-10-30
最新吉林省地质灾害点SHP矢量数据下载
2025-10-30
最新江苏省地质灾害点SHP矢量数据下载
2025-10-30
最新江西省地质灾害点SHP矢量数据下载
2025-10-30
最新辽宁省地质灾害点SHP矢量数据下载
2025-10-30
最新内蒙古地质灾害点SHP矢量数据下载
2025-10-30
最新宁夏地质灾害点SHP矢量数据下载
2025-10-30
最新青海省地质灾害点SHP矢量数据下载
2025-10-30
全国3610个非遗民俗文化分布（国家级）点位分布SHP矢量图层数据
2026-02-04
全国10个国家公园矢量边界数据SHP图层下载
2026-01-18
ArcGIS Pro 二调、三调符号库文件下载
2026-01-06
全国108288个小型矿产点位矢量SHP数据下载
2025-12-13
全国12052个大型矿产点位矢量SHP数据
2025-12-03
中国Karsts喀斯特岩溶空间分布矢量数据集SHP数据
2025-11-25
1945-2025年中国近海台风路径矢量数据SHP图层下载
2025-11-25
全球-全国港口矢量数据集shp数据下载
2025-11-16
全国水产种质资源自然保护区SHP数据集下载
2025-11-12
中国专利数据合集-中国专利转让数据-2700+区县绿色专利申请与授权数据-2000-2023年全国各地级市专利面板数据等
2025-11-11
1992-2024全国省、市县三级夜间灯光遥感NPP-VIIRS数据月度平均表格数据下载
2025-11-11
2000-2024年中国气象数据集涵盖气温、气压、露点、风向风速、云量以及降水量
2025-11-04
最新全国植被类型矢量SHP三级植被类型数据下载
2025-11-05
全国蜜雪冰城点位矢量数据2025年10月43613条数据下载
2025-11-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人